Tracecat项目0.28.0版本发布:工作流引擎与安全自动化能力升级
2025-06-18 16:27:40作者:郁楠烈Hubert
Tracecat是一个专注于安全自动化的工作流平台,它通过可视化编排的方式帮助安全团队快速构建自动化响应流程。最新发布的0.28.0版本带来了多项重要更新,包括LLM提供商的独立调用支持、Wazuh集成增强、性能优化以及多个实用功能的添加。
核心架构改进:LLM提供商解耦
本次版本最显著的架构变化是对LLM(大语言模型)调用方式的重新设计。开发团队将原本统一的LLM调用接口拆分为独立的提供商实现,这一改进带来了几个关键优势:
- 模块化设计:每个LLM提供商(如OpenAI、Anthropic等)现在拥有独立的实现模块,便于单独维护和扩展
- 灵活性提升:安全团队可以根据实际需求选择特定的LLM提供商,而不必受限于统一的接口限制
- 可靠性增强:单个提供商的问题不会影响整个LLM功能的使用
这种架构调整反映了Tracecat对生产环境稳定性的重视,同时也为未来集成更多AI能力奠定了基础。
Wazuh安全集成增强
在安全自动化领域,Wazuh作为一款流行的开源安全监控平台,与Tracecat的深度集成具有重要意义。0.28.0版本对Wazuh集成进行了两项重要增强:
- 代理更新功能:现在可以通过Tracecat工作流直接管理Wazuh代理的更新状态,确保终端安全防护始终保持最新
- 主动响应支持:集成了Wazuh的主动响应能力,当检测到威胁时,可以自动触发预定义的响应动作
这些增强使得安全运营团队能够构建更完整的威胁检测与响应自动化流程,从监控到响应形成闭环。
性能优化与调度改进
工作流引擎的性能直接影响自动化效率,本次版本包含了一项关键的调度优化:
- 减少DAG调度等待时间:通过优化工作流有向无环图(DAG)的调度算法,减少了任务之间的等待间隔。这一改进对于包含大量并行任务的工作流尤为明显,可以显著提升整体执行速度。
新功能与用户体验改进
0.28.0版本引入了多项实用功能,进一步丰富了平台能力:
- 多行数据查询动作:新增的"lookup multiple rows"操作允许在工作流中批量查询多行数据,简化了数据处理逻辑
- IoC提取器增强:增加了defanged(无害化)和fanged(还原)两种IoC(威胁指标)提取器,支持更灵活的安全数据处理
- UI图标更新:为核心动作添加了专用图标,包括http_poll和require等常用操作,提升了工作流编辑器的视觉体验
问题修复与稳定性提升
版本还包含了一些重要的稳定性修复:
- 改进了本地测试环境下的跳过逻辑,确保开发体验更顺畅
- 修复了MacOS系统上的触控板滚动过度问题,提升了操作体验
- 优化了前端Docker构建配置,确保部署更可靠
总结
Tracecat 0.28.0版本通过架构解耦、安全集成增强和性能优化,进一步巩固了其作为安全自动化平台的技术基础。特别是LLM提供商的独立实现,为未来AI驱动的安全自动化开辟了更多可能性。对于安全运营团队而言,这些改进意味着更高效、更可靠的自动化工作流构建体验,能够更好地应对日益复杂的安全威胁环境。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220